车牌辨认系统对污损车牌的辨认效果不好
在公路和城市内的实践应用过程中,很难所触及到的车牌都是没有污损的,车牌在运用几年之后,难免会呈现污染和磨损等现象,而在路面上行驶的车辆也很难都是规范洁净的车牌,因而在实践环境中,面对破损污旧的车牌,如何进步车牌辨认系统的辨认才能也是实践需求处理的问题。
车牌识别系统(VehicleLicensePlateRecognion,VLPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息(含汉字字符、英文字母、阿拉伯数字及号牌颜色)进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一,应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础,对摄像机所拍摄的车辆图像或者视频序列进行分析,得到每一辆汽车的车牌号码,从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理,交通流量控制指标测量,车辆定位,汽车防盗,高速公路超速自动化监管、闯红灯电子、公路收费站等等功能。对于维护交通安全和城市治安,防止交通堵塞,实现交通自动化管理有着现实的意义。
车牌识别技术结合电子不停车收费系统(ETC)识别车辆,过往车辆通过道口时无须停车,即能够实现车辆身份自动识别、自动收费。在车场管理中,为提高出入口车辆通行效率,车牌识别针对无需收停车费的车辆(如月卡车、内部免费通行车辆),建设无人值守的快速通道,免取卡、不停车的出入体验,正改变出入停车场的管理模式。
2、预处理
由于图像质量容易受光照、天气、相机位置等因素的影响,所以在识别车牌之前需要先对相机和图像做一些预处理,以得到车牌清晰的图像。一般会根据对现场环境和已经拍摄到的图像的分析得出结论,实现相机的自动曝光处理、自动白平衡处理、自动逆光处理、自动过爆处理等,并对图像进行噪声过滤、对比度增强、图像缩放等处理。去噪方法有均值滤波、中值滤波和高斯滤波等;增强对比度的方法有对比度线性拉伸、直方图均衡和同态滤波器等;图像缩放的主要方法有近邻插值法、双线性插值法和立方卷积插值等。
字符识别
对分割后的字符的灰度图像进行归一化处理,特征提取,然后经过机器学习或与字符数据库模板进行匹配,后选取匹配度的结果作为识别结果。目前比较流行的字符识别算法有:模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。模板匹配法的优点是识别速度快、方法简单,缺点是对断裂、污损等情况的处理有一些困难;人工神经网络法学习能力强、适应性强、分类能力强但比较耗时;支持向量机法对于未见过的测试样本具有更好的识别能力且需要较少的训练样本;Adaboost分类法能侧重于比较重要的训练数据,识别速度快、实时性较高。我国车牌由汉字、英文字母和阿拉伯数字3种字符组成,且具有统一的样式,这也是识别过程的方便之处。但由于车牌很容易受外在环境的影响,出现模糊、断裂、污损字符的情况,如何提高这类字符和易混淆字符的识别率,也是字符识别的难点之一。易混淆字符包括:0与D、0与Q、2与Z、8与B、5与S、6与G、4与A等。
随着行业的发展,市场各式各样的需求,市场对车牌识别系统(车牌识别系统)的需求越来越广泛,主要分为:软件识别和硬件识别。通过车牌号码的自动识别、自动登陆、自动对比,系统可以实现自动开闸、自动计费、自动验证用户车辆身份、自动区分内外部车辆、自动计算车位数、自动报警等诸多智能化功能。
软件识别:显而易见词义能理解出来是通过软件对车牌号码进行的,通过在电脑上安装一个配套的车牌识别软件,对抓拍的图片进行识别处理。其工作方式是通过摄像机连续抓拍多张照片,选择其中较为清晰的一张,然后通过电脑软件进行字符处理,实现号牌识别的。
因为每次识别需要抓拍多张图片,因此软识别的速度较慢。而且该系统对所抓拍的图片要求也是*的,极为清晰才能达到想要的效果。该系统对现场环境以及调试质量要求*,在诸多环境不乐观的场合都不适用,设备的摆放颇为重要。
硬件识别:通俗的解释是通过立的硬件设备,对所抓拍图片进行一系列的字符处理;目前停车场系统行业中硬件识别也分为两种,即带有单的车牌识别仪和前端硬件识别两种,安视睿主要采用的是前端硬件识别。
前端硬件识别一体式摄像机适应市场需求,目前得到了广大客户的喜爱。安视睿前端硬件识别也叫一体式车牌识别摄像机,是将传统单的车牌识别仪嵌入至摄像机中,实现前端硬件与摄像机一体化,实现图像抓拍、视频流传输、字符识别、道闸抬杆等一系列的工作。
工业快速卷帘门
在工业方面应用的比较多的主要就是,车牌识别系统还有快速卷帘门或者是快速堆积门之间进行联动,来实现对车辆的识别以及放行。比较常见的场所就是自动洗车房,只需要我们在网上进行交费,车牌就会自动识别进入洗车。